Сейчас не у компа, завтра скину.
Напомните мне, если я подумаю что мне приснилось)

хорошо, пока что сам пробую метрики

Добрый день, проверьте, пожалуйста, работу #C2W1
https://www.coursera.org/learn/supervised-learning/peer/bEMBK/linieinaia-rieghriessiia-i-osnovnyie-bibliotieki-python-dlia-analiza-dannykh-i/review/9YpC9XdQEeu0Swo25M1LAQ

кто ни будь делал машинное обучение для того чтобы найти углы если даны позиций суставов то есть делал инверс кинематикс

Привет, давайте представим, что у нас есть датафрейм, мы его будем сохранять в csv.
Как узнать какой будет размер csv, до операции сохранения ?

потому что мне его нужно сохранять только в тех случаях, если csv не будет больше 3 мб

считать символы в ячейках и узнать количество байт, не подходит

Всем привет. Подскажите, пожалуйста, правильно я понял, что из этого пункта на выходе у нас сама функция и поверх нее просто прямая, проходящая через точки 1 и 15?

Можно более-менее грубо прикинуть - см. линк. Также будет зависеть от размера блока ФС, куда .csv будет сохраняться.
https://stackoverflow.com/questions/18089667/how-to-estimate-how-much-memory-a-pandas-dataframe-will-need/47751572

Привет, есть тут люди, которые использовали semi supervised?

Ребят, привет.
Кто как понял в "Задании по программированию: Линейная алгебра: сходство текстов и аппроксимация функций" (2-я неделя первого курса) 4-й шаг задания:

4. Составьте список всех слов, встречающихся в предложениях. Сопоставьте каждому слову индекс от нуля до (d - 1), где d — число различных слов в предложениях. Для этого удобно воспользоваться структурой dict.

В результирующем словаре какая пара key-value должна получиться? Необходимо посчитать сколько раз каждое уникальное слово встречается в предложении? Или?

Буду признателен за помощь

Просто номер, кодируешь слова числами

import pandas as pd
import numpy as np
import os

big_df = pd.DataFrame(data=np.random.randn(int(2e6), 5))

big_df.iloc[:1000].to_csv('temp.csv')

rows_max = int(5e5)

row_from = 0
row_to = rows_max
file_n = 1

while True:
   fn_i = 'big_%s.csv' % str(file_n).zfill(3)
   big_df.iloc[row_from:row_to].to_csv(fn_i)

   if row_to > big_df.index.size:
       break

   row_from = row_to
   row_to = row_from + rows_max
   file_n += 1
   
print(os.path.getsize('temp.csv'))

можно на конкретном наборе данных в коде прибросить размер например 1000 строк, и на этой основе построить логику по сплиту

Кто-то понимает, в чем проблема? При использовании 'NaN' вместо np.nan ничего не меняется. Преобразование к int тоже верно выполняется

вместо проверку на равенство, лучше делать pd.isna(x)

Сработало. Спасибо!

Друзья вопрос опосредованный про степик

Вбиваю в поиск курс по критическому мышлению пишу полное имя.
А  выдается в поиске куча курсов в названии нет вообще критического мышления.